Перевести голосовое сообщение в текст
Пришло голосовое, а слушать негде или некогда: совещание, метро, ночь, разряженные наушники. Загрузите файл — получите текст со знаками препинания и временем у каждой фразы.
ogg, opus, m4a, mp3 и кружочки mp4 — файл из мессенджера как есть
Загружайте запись любой длины — бесплатно расшифруем первые 3 минуты. Без регистрации.
Как достать голосовое из мессенджера
Главная заминка не в расшифровке, а на шаг раньше: мессенджер не отдаёт голосовое обычным файлом по нажатию. Делается это в два касания, и делать надо именно в самом мессенджере — сторонние онлайн-конвертеры, которые обычно советуют на этом шаге, прогоняют звук через лишнее сжатие и оставляют копию файла у себя.
- Telegram — долгое нажатие на сообщение → «Сохранить в загрузки»; на iOS — «Поделиться» → «Сохранить в файлы». Файл ложится в .ogg.
- WhatsApp — «Поделиться» → «Сохранить в файлы», получается .opus или .ogg. На Android голосовые лежат в папке WhatsApp/Media/WhatsApp Voice Notes — туда можно зайти файловым менеджером и забрать сразу несколько.
- MAX, VK и остальные — те же .ogg и .opus — сохраните файл из меню сообщения и загрузите как есть, конвертировать не нужно.
- Кружочки, видеосообщения — сохраняются как .mp4. Загружаются целиком, звуковую дорожку достанем сами — картинка на обработку не идёт.
Голосовой файл в текст: если сообщение уже сохранено
Часто голосовое уже лежит файлом: его переслали почтой, скачали из компьютерной версии мессенджера или выгрузили вместе с архивом переписки. Такой голосовой файл переводится в текст так же, как сообщение прямо из чата, — загрузите его здесь, менять формат не нужно.
- .ogg, .oga, .opus — одно и то же голосовое в кодеке Opus, разное только имя файла. Переименовывать и пересохранять не нужно.
- Архив переписки — десятки файлов за раз. Их удобнее загрузить пачкой в кабинете: каждое сообщение станет отдельной расшифровкой.
Распознавание голосовых встроено и в сами мессенджеры — в Telegram, например, полностью оно доступно по подписке Premium. Для одного короткого сообщения в чате этого хватает. Сюда стоит идти, когда нужен текст, который живёт отдельно от чата: с временем у слов, с разделением двух голосов или из пачки сообщений в одном документе.
Когда сообщений пришло пятнадцать подряд
Голосовые редко приходят по одному: обычная картина — десяток кусков по минуте, надиктованных за день. Слушать их подряд дольше, чем прочитать, а пересказать коллеге по памяти нельзя.
В бесплатной пробе файл загружается один. В кабинете выбирается сразу пачка: каждое сообщение остаётся отдельной расшифровкой со своим временем, они не склеиваются в один поток и не путаются между собой. Дальше текст выгружается в TXT — и переписка голосом превращается в документ, по которому работает поиск.
Ограничения по длительности в платном режиме нет: и пятисекундное «ок», и сорокаминутная надиктовка обрабатываются одинаково, а платите вы за обработанные секунды, а не за файлы.
Почему голосовые разбираются лучше совещаний — и где всё-таки ломаются
Голосовое — самый удобный материал для распознавания из всех, что к нам попадают: микрофон у самого рта, говорящий один, эха нет. Сравните с диктофоном посреди переговорной, где до человека полтора метра и работает вентиляция. Формат при этом роли не играет: Opus сделан специально под речь и на 16–24 кбит/с остаётся разборчивым, поэтому четверть мегабайта на двухминутное сообщение — это норма, а не признак испорченного файла.
Ломают текст обстоятельства записи, и почти всегда одни и те же:
- Речь на ходу. На шаге сбивается дыхание, окончания слов проглатываются. Это самая частая причина расхождений в голосовых.
- Ветер и улица. Порыв в микрофон перекрывает речь целиком — восстанавливать там нечего ни нам, ни любому другому сервису.
- Громкая связь на той стороне. Голос собеседника идёт через два микрофона и динамик; он останется отдельным говорящим, но ошибок в его репликах будет заметно больше, чем в ваших.
- Фамилии, названия, термины. Обычная речь распознаётся ровно, а спотыкается всё на именах собственных. После регистрации десяток таких слов передаётся вместе с записью через запятую — похожие по звучанию слова заменятся на ваше написание. Полминуты работы дают больше, чем любая перезапись звука.
Что будет в тексте
- Знаки препинания и числа цифрами — читается без правки, можно переслать как есть.
- Время у каждого слова: спорное место в записи находится за секунду, а не на слух.
- Разделение по голосам, если в сообщении говорят двое; знакомые голоса подписаны именами.
- Выгрузка в TXT, SRT и JSON.
Чего не будет: перевода на другой язык и пересказа «своими словами». Мы расшифровываем русскую речь дословно — это разные задачи, и вторую мы не решаем.
Вопросы
Какие форматы принимаете?
ogg, opus, oga, mp3, m4a, wav, aac — то есть всё, что отдают мессенджеры, плюс mp4 для видеосообщений. Конвертировать перед загрузкой не нужно, и не стоит: лишний проход сжатия только портит звук.
Работает с телефона?
Да, страница рабочая с того же телефона, где лежит голосовое: файл выбирается из «Загрузок» или из галереи, текст копируется одной кнопкой. Отдельного приложения и бота у нас нет.
Голосовое на минуту — это платно?
Нет. Первые три минуты любой записи разбираются бесплатно и без регистрации, а голосовое обычно короче — значит, помещается целиком. Платить есть смысл, когда сообщений много или они длинные.
Можно загрузить сразу несколько голосовых?
В бесплатной пробе — по одному файлу. После регистрации в кабинете выбирается сразу несколько: каждое сообщение становится отдельной расшифровкой со своим временем и не смешивается с соседними.
В сообщении говорят двое — разберёте?
Да, реплики разделяются по голосам. Это частый случай для громкой связи и для пересланных записей разговора: собеседник в динамике звучит тише и глуше, но остаётся отдельным говорящим.
Это чужое сообщение — что с ним будет?
Файл удаляется сразу после обработки. В бесплатном режиме текст никуда не сохраняется, а после регистрации сохранение расшифровок можно отключить — тогда в базу не попадают ни текст, ни имя файла.
Почему в тексте ошибки, звук же чистый?
Голосовые почти всегда записаны близко к микрофону, и разборчивость у них высокая. Ломают текст не формат и не громкость, а обстоятельства записи: ветер, шаги, речь на ходу с проглоченными окончаниями, музыка фоном.
Страница обновлена 6 октября 2026